# Como avaliar o Grok 4.7 além dos benchmarks

> Published 2026-10-11T18:38:48.877Z on https://www.crazystack.com.br/pt/p/como-avaliar-o-grok-4-7-alem-dos-benchmarks/
> Source video: https://www.youtube.com/watch?v=jLgpzgpsWPc

O Grok 4.7 gasta o dobro de tokens do Grok 4.6 por tarefa, custa mais por execução que o GPT-6 Astra e decepciona em front-end. Ele ainda tem pontos fortes reais em trabalho agêntico profundo, mas para a maioria dos desenvolvedores não justifica a troca hoje.

## O que é o Grok 4.7 e o que a xAI prometeu

O Grok 4.7 é o modelo mais recente da xAI, empresa de Elon Musk, lançado em setembro de 2026 como sucessor do Grok 4.6. Antes do lançamento, Elon afirmou que seria o melhor modelo para programação do mundo e que traria ganhos expressivos de eficiência de tokens em relação à versão anterior.

A promessa era específica: uma nova base de 2,1 trilhões de parâmetros, um pouco mais lenta de servir, mas com eficiência de tokens superior. Segundo a análise do Theo (t3.gg), isso não se confirmou. O modelo saiu com o mesmo preço e a mesma velocidade do Grok 4.6, porém gastando muito mais tokens para completar as mesmas tarefas.

A contradição importa porque define quem deve adotar o modelo. Se você paga por token, um modelo que gasta o dobro para entregar resultado parecido custa o dobro, independentemente do preço unitário anunciado.

## Por que os benchmarks do Grok 4.7 não contam a história toda

Os benchmarks do Grok 4.7 falham como medida de valor real porque medem tarefas estáticas, enquanto o uso moderno de IA é agêntico, com dezenas de chamadas encadeadas por prompt. Um número de destaque em um gráfico não diz quanto aquele resultado custou em tokens nem quantas requisições foram necessárias.

O próprio anúncio oficial da xAI ilustra o problema. O post escolhe um conjunto incomum de benchmarks, como direito e raciocínio clínico, e omite concorrentes diretos em vários gráficos. No Terminal Bench, por exemplo, o score do Fable 5.1 fica cerca de 20 pontos acima, quase 50% melhor, segundo o levantamento apresentado no vídeo.

Outro fator distorce a leitura: o índice da [Artificial Analysis](https://artificialanalysis.ai) passou a priorizar cargas agênticas, justamente onde o consumo de tokens pesa mais. No agregado, o Grok 4.7 ficou atrás até do Muse Spark 1.3, resultado difícil de conciliar com a promessa de superar todos os modelos atuais.

## Quanto o Grok 4.7 gasta de tokens de verdade?

Os dados compilados por Theo indicam que o Grok 4.7 consome cerca de duas vezes mais tokens por tarefa que o Grok 4.6 nos testes da Artificial Analysis: aproximadamente 81 mil tokens contra 38 mil do modelo anterior. Para comparação, o GPT-6 Astra fica na casa dos 29 mil tokens por tarefa.

Isso se reflete direto no custo. Rodar o mesmo benchmark custou US$ 3,74 por tarefa com o Grok 4.7 contra US$ 3,26 com o Astra, segundo os números citados no vídeo. O Grok 4.6 custava US$ 1,86, ou seja, o dobro de eficiência perdida em uma geração.

Quando questionado, Michael Truell, da xAI, respondeu que em produção o modelo usa apenas 5% mais tokens em requisições medianas e 20% a 30% mais no percentil 99. O argumento tem uma falha conceitual apontada por Theo: requisição não é prompt. Um único pedido pode gerar dezenas de requisições via chamadas de ferramenta, e é o total por prompt que define a sua conta no fim do mês.

## O que os números oficiais mostram (e escondem)

O post de lançamento da xAI é, nas palavras do próprio Theo, o mais enxuto que ele já viu em um release recente. Alguns resultados são bons: no Cursor Bench, o modelo supera o GPT-5.6 Soul por preço em praticamente todos os níveis de raciocínio, e em engenharia elétrica aparece como referência da categoria.

Os pontos cegos chamam mais atenção. O GPT-6 Astra aparece em alguns gráficos externos e destrói o Grok 4.7 no Ebench, mas some das comparações principais. Uma das justificativas é que a OpenAI teria proibido o uso dos seus modelos pela xAI, impedindo a inclusão direta, e ninguém mais recebeu o benchmark para rodar por conta própria.

No teste Frontier Code, da Cognition, todos os scores do Grok 4.7 ficaram abaixo do melhor resultado histórico do Grok 4.6. A explicação oficial é que o modelo tende a escrever código demais nas tarefas difíceis, gerando PRs improváveis de serem aceitas. É um diagnóstico honesto, mas que confirma o padrão: mais tokens, nem sempre mais valor.

Resumindo os custos por tarefa citados no vídeo:

## Comparativo de custo por tarefa entre os modelos de ponta

Os valores abaixo foram reportados por Theo com base nos runs da Artificial Analysis e nos testes próprios dele. Eles não são uma medida independente replicada, mas dois conjuntos convergentes de dados públicos e de uso real.

| Modelo | Custo por tarefa (bench AA) | Tokens por tarefa | Pior caso no bench do Theo |
| --- | --- | --- | --- |
| Grok 4.6 | US$ 1,86 | ~38 mil | abaixo de US$ 10 |
| Grok 4.7 | US$ 3,74 | ~81 mil | ~US$ 20 |
| GPT-6 Astra | US$ 3,26 | ~29 mil | ~US$ 11,44 |
| Claude | não divulgado | não divulgado | menos de 1/4 do Grok 4.7 |

Duas leituras saem dessa tabela. Primeira: o Grok 4.7 não é o modelo mais caro da lista, mas entrega o pior custo-benefício entre os citados, porque o ganho de capacidade não acompanha o salto de custo. Segunda: o consumo alto vem do comportamento do modelo, que verifica em excesso e se estende em tarefas que não precisariam de tanto esforço.

## Como o Grok 4.7 se comporta no uso real

No uso real, o Grok 4.7 agrada pela constância e decepciona pelo preço. Theo relata que o modelo mantém o foco por mais tempo, conclui trabalho de verdade sem intervenção constante e faz perguntas mais investigativas que modelos equivalentes, encontrando detalhes que até o Fable e o Astra deixaram passar.

Em um experimento próprio, ele pediu que vários modelos analisassem o codebase do T3 Code e sugerissem melhorias. O Grok 4.7 ficou em segundo lugar, atrás apenas do GPT-6 Astra, à frente do Fable 5.1 em qualidade de sugestões. O problema veio na conta: no pior caso, o modelo custou o dobro dos concorrentes porque insiste em verificar coisas de importância marginal.

Há também falhas de comportamento que os benchmarks não capturam. Um atraso de uma semana no lançamento serviu para ajustes via RL, depois de relatos de que o modelo desistia cedo de tarefas difíceis. E usuários registraram loops bizarros de autoconfirmação no Grok Build, além de vazamentos de texto interno em traduções no X, situações que nenhum gráfico de score revela.

## Onde o Grok 4.7 ainda se sai bem

O Grok 4.7 se sai bem em trabalho de conhecimento e em tarefas agênticas de profundidade média. Ele entende nativamente o harness do [Grok](https://grok.com), o que reduz atrito em fluxos dentro do ecossistema da xAI, e recebeu os melhores safeguards calibrados da família até agora.

No bench AA Briefcase, a Artificial Analysis registrou um salto expressivo: o modelo chegou à terceira posição mundial, atrás apenas do Claude 5 e do Fable 5.1, superando todos os modelos da OpenAI naquela prova, e com cerca de metade do custo deles. É o melhor argumento a favor do release.

O ponto fraco claro é front-end. Os resultados mostrados por Theo estão entre os piores que ele já viu de qualquer modelo recente, com controle de mouse quebrado e animações invertidas no teste de jogo em 3D. Nesse nicho, a Anthropic segue na frente, e o Astra já entrega resultados decentes.

## O Grok 4.7 vale a pena hoje?

Para a maioria dos desenvolvedores, o Grok 4.7 não vale a troca hoje. O modelo entrega desempenho de geração anterior a preço de geração atual: mais caro, às vezes mais lento, com front-end fraco e sem a subsídio generoso das assinaturas concorrentes.

A economia da assinatura também piorou. Um usuário do plano de US$ 300 ao mês relatou que US$ 40 de uso consumiram 8% do limite semanal, fim da era de uso praticamente ilimitado que distinguia os planos Grok. Sem esse diferencial, o motivo econômico para migrar desapareceu.

Ainda assim, o modelo tem público. Se você já usa o Cursor como fonte principal de inferência e quer um agente investigativo que cava fundo no código, vale experimentar. Para todos os outros, é mais racional tratar o Grok 4.7 como um degrau rumo à próxima versão, esperando que o ajuste fino via RL recupere a eficiência perdida.

## FAQ: perguntas frequentes sobre o Grok 4.7

- **O Grok 4.7 é mais eficiente em tokens que o Grok 4.6?** Não, segundo os dados da Artificial Analysis citados por Theo. O modelo gastou cerca de 81 mil tokens por tarefa contra 38 mil do Grok 4.6, praticamente o dobro, invertendo a promessa feita antes do lançamento.

- **Por que o custo do Grok 4.7 é maior se o preço por token é o mesmo?** Porque o modelo gera mais requisições e mais tokens por prompt, especialmente em fluxos agênticos com muitas chamadas de ferramenta. O preço unitário igual esconde o consumo total maior.

- **O Grok 4.7 é bom para programação?** Em partes. Ele se saiu bem no Cursor Bench e no bench AA Briefcase, e mostrou boa análise de codebases reais. Por outro lado, fica atrás do Fable 5.1 no Terminal Bench e entrega resultados de front-end muito fracos.

- **Vale assinar o plano de US$ 300 da xAI para usar o Grok 4.7?** Os relatos de uso indicam que não. Um usuário gastou US$ 40 e consumiu 8% do limite semanal, o que reduz muito o volume disponível em comparação com o uso praticamente ilimitado das versões anteriores.

- **Qual o maior ponto forte do Grok 4.7?** A disposição de investigar fundo e concluir tarefas longas sem intervenção constante. Em testes práticos de análise de código, ele sugeriu melhorias com qualidade próxima ao GPT-6 Astra, superando o Fable 5.1 em verificação das próprias descobertas.

## Transforme análises como esta em conteúdo escrito

A lição central do Grok 4.7 é que o valor de uma análise está em ler os números com ceticismo e contexto, algo que vídeos longos fazem bem mas que nem sempre chegam em formato texto. Se você produz conteúdo técnico em vídeo, como o Gustavo Dev Doido faz com o Bootcamp do Dev Doido e a Crazystack Typescript ([conheça em crazystack.com.br](https://crazystack.com.br)), esse conhecimento merece uma versão escrita que os mecanismos de busca consigam encontrar.

O [Skala Blog](https://skalablog.com) resolve exatamente esse caminho: você cola a URL do vídeo do YouTube, a plataforma transcreve e gera um artigo estruturado, pronto para revisão e publicação.

[Source video](https://www.youtube.com/watch?v=jLgpzgpsWPc)